Unsupervised 第17页

soinn

Growing Cell Structures A Self-Organizing Network for Unsupervised and Supervised Learning Here, and

·2015-11-12 11:52

What is the difference between supervised learning and unsupervised learning?

Machine Learning is a class of algorithms which is data-driven, i.e. unlike "normal" algorithms it is the data that "tells" what the "good answer" is. Example: an hypothe

·2015-11-11 15:48

机器学习 MLIA学习笔记（一）

非监督学习（unsupervised learning）：在非监督学习的数据中，没有给出标签（label，用于类别区分等）和目标值（target value

·2015-11-11 12:34

WEKA中的数据预处理

数据的缺失值处理：weka.filters.unsupervised.attribute.ReplaceMissingValues。

·2015-11-08 17:44

Weka:call for the EM algorithm to achieve clustering.（EM算法）

.*; import weka.filters.Filter; import weka.filters.unsupervised.attribute.Remove; import weka.clu

·2015-11-07 15:51

深度学习入门教程UFLDL学习实验笔记一：稀疏自编码器

UFLDL即（unsupervised feature learning & deep learning）。这是斯坦福网站上的一篇经典教程。

·2015-11-05 08:48

Unsupervised Feature Learning and Deep Learning(UFLDL) Exercise 总结

7.27 暑假开始后，稍有时间，“搞完”金融项目，便开始跑跑 Deep Learning的程序 Hinton 在Nature上文章的代码跑了3天也没跑完后来Debug 把batch 从200改到20 勉强跑出结果后来开始看文章等感觉晕晕乎乎又翻到：Deep Learning Tutorials 装Theano等，但是python 代码 D

·2015-11-02 10:39

K-Means算法Demo

K-Means算法是数据挖掘十大算法之一，是一种聚类算法，也是最简单的无监督学习（unsupervised learning）算法之一。　　假设有一

·2015-11-01 15:07

Machine Learning Algorithms Study Notes(4)—无监督学习（unsupervised learning）

1 Unsupervised Learning 1.1 k-means

·2015-11-01 14:43

Deep learning：二十五(Kmeans单层网络识别性能)

当然了，本文依旧是参考论文An Analysis of Single-Layer Networks in Unsupervised Feature Learning,

·2015-11-01 10:28

Deep learning：八(Sparse Autoencoder)

我们知道，deep learning也叫做unsupervised learning，所以这里的sparse autoencoder也应是无监督的。

·2015-11-01 10:18

·2015-10-31 11:42

·2015-10-31 09:34

kmeans理解

kmeans是unsupervised learning最基本的一个聚类算法，我们可以用它来学习无标签的特征，其基本思想如下：首先给出原始数

·2015-10-31 08:05

Deep learning：二十(无监督特征学习中关于单层网络的分析)

　　本文是读Ng团队的论文” An Analysis of Single-Layer Networks in Unsupervised Feature Learning”后的分析，主要是针对一个隐含层的网络结构进行分析的

·2015-10-31 08:47

Machine Learning Topics Covered

Unsupervised

·2015-10-21 11:45

机器学习PartII：监督学习和无监督学习

原文作者：aihorizon.com原文链接： Machine Learning, Part I: Supervised and Unsupervised Learning译者：commondata

·2015-10-21 11:35

行人检测“Pedestrian Detection with Unsupervised Multi-Stage Feature Learning”

主要思想：1.结合多步的全局特征及局部特征用来分类2.使用卷积稀疏编预训练滤波器现有的方法：手动提取特征，如ICF，HOG及其变形和组合，使用可训练的分类器如SVM，boostedclassifier或随机森林分类。深层网络非监督预训练方法，包括RBM,stackedauto-encoders,stackedsparseauto-encoders.非监督学习可以用来训练深层网络，文章使用前一层的输

cv_family_z·2015-10-20 14:00

[机器学习02]supervised learning and unsupervised learning

1.Housingpriceprediction图中坐标系横轴表示房子面积，纵轴表示房子价格，已收集到一些房屋面积和价格的数据，在图中用红色X标记。现在预测房屋面积为750英尺，价格为多少？可以根据点集进行拟合，根据拟合后的函数求解面积为750英尺时的房屋价格.2.Cancerprediction3.supervisedlearning监督学习的特点是训练集已给出，通过已有的训练样本（即已知数据以

napoay·2015-10-20 11:00

Machine Learning Algorithms Study Notes(4)—无监督学习（unsupervised learning）

1 UnsupervisedLearning 1.1 k-meansclusteringalgorithm 1.1.1 算法思想 1.1.2 k-means的不足之处 1.1.3 如何选择K值 1.1.4 SparkMLlib实现k-means算法 1.2 MixtureofGaussiansandtheEMalgorithm

u013719780·2015-10-05 11:00

如何区分监督学习(supervised learning)和非监督学习(unsupervised learning)

如何区分监督学习(supervisedlearning)和非监督学习(unsupervisedlearning)机器学习的常用方法中，我们知道一般分为监督学习和非监督学习。（当然还有半监督）l监督学习：监督学习，简单来说就是给定一定的训练样本（这里一定要注意，这个样本是既有数据，也有数据相对应的结果），利用这个样本进行训练得到一个模型（可以说就是一个函数），然后利用这个模型，将所有的输入映射为相应

Duke__Lee·2015-08-26 09:49

如何区分监督学习(supervised learning)和非监督学习(unsupervised learning)

如何区分监督学习(supervisedlearning)和非监督学习(unsupervisedlearning)机器学习的常用方法中，我们知道一般分为监督学习和非监督学习。（当然还有半监督）l监督学习：监督学习，简单来说就是给定一定的训练样本（这里一定要注意，这个样本是既有数据，也有数据相对应的结果），利用这个样本进行训练得到一个模型（可以说就是一个函数），然后利用这个模型，将所有的输入映射为相应

Duke__Lee·2015-08-26 09:04

如何区分监督学习(supervised learning)和非监督学习(unsupervised learning)

如何区分监督学习(supervisedlearning)和非监督学习(unsupervisedlearning)机器学习的常用方法中，我们知道一般分为监督学习和非监督学习。（当然还有半监督）l监督学习：监督学习，简单来说就是给定一定的训练样本（这里一定要注意，这个样本是既有数据，也有数据相对应的结果），利用这个样本进行训练得到一个模型（可以说就是一个函数），然后利用这个模型，将所有的输入映射为相应

Duke__Lee·2015-08-26 09:04

如何区分监督学习(supervised learning)和非监督学习(unsupervised learning)

如何区分监督学习(supervised learning)和非监督学习(unsupervised learning)机器学习的常用方法中，我们知道一般分为监督学习和非监督学习。

孤叶空兀·2015-08-26 09:00

Coursera机器学习课程笔记(1) Supervised Learning and Unsupervised Learning

最近跟完了AndrewNg的MachineLearning前三周的课，主要讲解了机器学习中的线性回归（LinearRegression）和逻辑回归（LogisticRegression）模型。在这里做一下记录。另外推荐一本统计学习的书，《统计学习方法》李航，书短小精悍，才200多页，但是内容基本上覆盖了机器学习中的理论基础。笔记主要了解一下监督学习和无监督学习机器学习：是关于计算机基于数据构建概率

yew1eb·2015-08-25 15:00

K-means算法原理以及其缺点

K-means是一种经典unsupervised的聚类算法。其算法描述如下：输入：聚类个数-k，N个数据对象输出：每个数据对象所属的聚类label（满足方差最小）从N个数据对象中挑选出k个质心。

vernice·2015-08-12 10:00

Unsupervised dimensionality reduction（降维）

参考：http://scikit-learn.org/stable/modules/unsupervised_reduction.html对于高维features，常常需要在supervised之前unsupervised

mmc2015·2015-07-26 11:00

deep learning K-means（Unsupervised ）+softmax

Abstract:本章将采用K−means提取图像的特征，随机在原始图像上切取多块正方形区域训练聚类中心点，通过聚类中心点提取特征，实验说明了白化对实验结果的影响，pooling大小对实验结果的影响。还对比了不同的特征提取模型，对比了不同的识别率。一.随机切取原始图像的small-patchs做为原始的训练K-means中心点的样本数据库:cifar-10对于原始的图像为32×32大小的彩色RGB

hlx371240·2015-06-21 20:00

特征学习“Building High-level Features Using Large Scale Unsupervised Learning”

摘要：GoogleBrain中特征学习的原理，通过使用未标记的图像学习人脸、猫脸high-level特征，得到检测器。文章使用大数据构建了一个9层的局部连接稀疏自编码网络（模型有1billion个链接，数据有10million个200*200的图像）。使用模型并行化和异步SGD在1000个机器（16000核）上训练了3天，实验结果显示可以在未标记图像是否有人脸的情况下训练处一个人脸检测器。之前特征

cv_family_z·2015-06-18 10:00

无监督学习(Unsupervised Learning)

1.SparseCoding稀疏编码SparseCoding稀疏编码UFLDLSparseCoding2.SparseFiltering稀疏滤波DeepLearning论文笔记之（二）SparseFiltering稀疏滤波UnsupervisedfeaturelearningwithSparseFiltering3.SparseAutoencoder稀疏自编码DeepLearning模型之：Aut

Hust放牛娃·2015-05-04 16:30

无监督特征学习——Unsupervised feature learning and deep learning

无监督学习近年来很热，先后应用于computervision,audioclassification和NLP等问题，通过机器进行无监督学习feature得到的结果，其accuracy大多明显优于其他方法进行training。本文将主要针对Andrew的unsupervisedlearning，结合他的视频：unsupervisedfeaturelearningbyAndrewNg做出导论性讲解。关

moonzjaw·2015-04-23 11:00

Vehicle Type Classification Using Unsupervised Convolutional Neural Network(泛读)

一.文献名字和作者 VehicleTypeClassificationUsingUnsupervisedConvolutionalNeuralNetwork,ICPR2014 二.阅读时间 2015年1月31日三.文献的贡献点这篇文章主要是使用sparsefiltering的方法对卷积模板进行预训练，同时，作者也将CNN学习到底层特征和高层特征同时输入到softmax中，通过结合描

shengno1·2015-01-31 03:00

深度学习论文理解2:on random weights and unsupervised feature learning

本文是2010年斯坦福大学andrewng他们团队的作品；让人莫名其妙的是，本文有两个版本，两个版本略有差别版本1：http://www.icml2011.org/papers/551_icmlpaper.pdf ;2：http://web.stanford.edu/~asaxe/papers/Saxe%20et%20al.%20%202010%20%20On%20Random%20Weight

whiteinblue·2015-01-24 16:00

《统计学习方法，李航》：1、概述

1）统计学习2）监督学习3）统计学习三要素4）模型评估与模型选择5）判别模型与生成模型1）统计学习统计学习分为：监督学习（supervised learning）、无监督学习（unsupervised

mmc2015·2015-01-15 22:00

无监督特征学习——Unsupervised feature learning and deep learning

无监督学习近年来很热，先后应用于computervision,audioclassification和NLP等问题，通过机器进行无监督学习feature得到的结果，其accuracy大多明显优于其他方法进行training。本文将主要针对Andrew的unsupervisedlearning，结合他的视频：unsupervisedfeaturelearningbyAndrewNg做出导

sruixue·2014-12-20 18:00

Unsupervised Template Learning for Fine-Grained Object Recognition(精读)

一.文献名字和作者 UnsupervisedTemplateLearningfor Fine-GrainedObjectRecognition，二.阅读时间 2014年12月10日三.文献的目的解决细粒度分类问题中，如何找到包含有细粒度差异的有相同形状的物体块在不同图像上面的图像区域的问题。主要做法是通过非监督的模板匹配方法进行的。四.文献的贡献点作者将细粒度物体识别划分为两个子

shengno1·2014-12-10 17:00

An Analysis of Single-Layer Networks in Unsupervised Feature Learning(精读)

一.文献名字和作者 AnAnalysisofSingle-LayerNetworks inUnsupervisedFeatureLearning.AdamCoates,HonglakLee,AndrewY.Ng 二.阅读时间 2014年11月4日三.文献的目的分析神经网络模型的设置对于效果的影响，主要的设置包括：感受野大小，隐藏层的个数(特征的个数)，特征提取过程中的步长，以及白化处理

shengno1·2014-12-04 23:00

unsupervised learning 自己的一点认识

今天读了今年cvpr上TAYLOR和Ranzato分别关于unsupervisedlearing和supervisedLearning的tutorials，收获不少。在Deeplearning这个大背景下，作者们对这两个topic都有精彩的阐述。关于unsupervisedlearning，我最开始是从PCA开始的，继而ICA，SVD，到Sparsecoding，再到auto-encoder，一直

carrierlxksuper·2014-11-25 16:00

文献阅读——Unsupervised Feature Learning for 3D Scene Labeling

机器人自动化领域顶级会议ICRA2014上的一篇关于Kinect点云标注的文章。文章要解决的问题依然是当前带有人工标注信息的3D点云训练集的匮乏。就标注算法框架而言，本文无太大新意，采用的依然是常见的MRF模型。与之前所看到的关于点云标注的文章不同之处在于，本文作者提取了RGBD图像上的特征和3D点云特征。之所以文章标题带有“UnsupervisedFeatureLearning”字眼，主要是因为

breeze5428·2014-09-01 12:00

Unsupervised feature learning by augmenting single images

一、主要思想当深度学习应用到目标检测的时候，数据增强通常可以增加训练数据量同时不需要增加额外标签的的成本。数据增强可以减少过拟合增加算法的性能。本文主要是验证是否可以把数据增强作为无监督特征学习构架的主要组成部分。实现途径：首先随机采集一些图像块，作为种子图像，然后对每一个种子图像块进行变换，得到一系列图像块，作为虚拟的一类；采用CNN的框架进行训练；最后用训练好的模型在不同的数据

woyaopojie1990·2014-08-25 16:00

weka之数据预处理

weka在做数据预处理的时候针对attribute提供了多种方式，包括值的各种转换，常用的如下： 1.缺失值处理 weka.filters.unsupervised.attribute.ReplaceMissingValues

小网客·2014-08-13 16:00

weka之数据预处理

weka在做数据预处理的时候针对attribute提供了多种方式，包括值的各种转换，常用的如下： 1.缺失值处理 weka.filters.unsupervised.attribute.ReplaceMissingValues

小网客·2014-08-13 16:00

Deep Learning 系列（4）：稀疏编码（sparse coding）和主成分分析（ICA）

一.稀疏编码（sparsecoding）：稀疏编码算法是一种无监督（unsupervised）学习方法，它用来寻找一组“超完备”基向量来更高效地表示样本数据。（设x的维数为n，则k>n

hanzihan123·2014-07-25 17:00

Unsupervised Feature Learning and Deep Learning(UFLDL) Exercise 总结

分类：机器学习 DeepLearning 计算机视觉2013-08-1121:43 1816人阅读评论(8) 收藏举报7.27暑假开始后，稍有时间，“搞完”金融项目，便开始跑跑DeepLearning的程序Hinton在Nature上文章的代码跑了3天也没跑完后来Debug把batch从200改到20勉强跑出结果后来开始看文章等感觉晕晕乎乎又翻到：DeepLearningTutoria

pi9nc·2014-05-29 15:00

无监督特征学习——Unsupervised feature learning and deep learning

无监督学习近年来很热，先后应用于computervision,audioclassification和NLP等问题，通过机器进行无监督学习feature得到的结果，其accuracy大多明显优于其他方法进行training。本文将主要针对Andrew的unsupervisedlearning，结合他的视频：unsupervisedfeaturelearningbyAndrewNg做出导论性讲解。关

tiandijun·2014-03-08 20:00

UFLDL学习笔记4（Self-Taught Learning and Unsupervised Feature Learning）

最近在学习UFLDLTutorial，这是一套关于无监督学习的教程。在此感觉AndrewNg做的真的是非常认真。下面把我的代码贴出来，方便大家学习调试。所有代码已经过matlab调试通过。Self-TaughtLearningandUnsupervisedFeatureLearning练习这一章实际上是把SparseAutoencoder和SoftmaxRegression两章中的代码结合起来。所

richard2357·2014-01-13 20:00

UFLDL Tutorial_Self-Taught Learning and Unsupervised Feature Learning

Self-TaughtLearningContents [hide]1 Overview2 Learningfeatures3 Onpre-processingthedata4 OntheterminologyofunsupervisedfeaturelearningOverviewAssumingthatwehaveasufficientlypowerfullearningalgorithm,o

xulinshadow701·2013-12-12 19:00

weka中的数据预处理

数据的缺失值处理：weka.filters.unsupervised.attribute.ReplaceMissingValues。

dreaminthewind·2013-12-06 14:55

weka中的数据预处理

数据的缺失值处理：weka.filters.unsupervised.attribute.ReplaceMissingValues。

dreaminthewind·2013-12-06 14:55

无监督特征学习——Unsupervised feature learning and deep learning

说明：该文章转载自网上一个好学的美女的博客，原文如下：－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－无监督学习近年来很热，先后应用于computervision,audioclassification和NLP等问题，通过机器进行无监督学习feature得到的结果，其accuracy大多明显优于其他方法进行training。本文将主

u012447220·2013-11-28 16:00

推荐频道

Unsupervised

soinn

What is the difference between supervised learning and unsupervised learning?

机器学习 MLIA学习笔记（一）

WEKA中的数据预处理

Weka:call for the EM algorithm to achieve clustering.（EM算法）

深度学习入门教程UFLDL学习实验笔记一：稀疏自编码器

Unsupervised Feature Learning and Deep Learning(UFLDL) Exercise 总结

K-Means算法Demo

Machine Learning Algorithms Study Notes(4)—无监督学习（unsupervised learning）

Deep learning：二十五(Kmeans单层网络识别性能)

Deep learning：八(Sparse Autoencoder)

stanford推荐阅读目录

stanford推荐阅读目录

kmeans理解

Deep learning：二十(无监督特征学习中关于单层网络的分析)

Machine Learning Topics Covered

机器学习PartII：监督学习和无监督学习

行人检测“Pedestrian Detection with Unsupervised Multi-Stage Feature Learning”

[机器学习02]supervised learning and unsupervised learning

Machine Learning Algorithms Study Notes(4)—无监督学习（unsupervised learning）

如何区分监督学习(supervised learning)和非监督学习(unsupervised learning)

如何区分监督学习(supervised learning)和非监督学习(unsupervised learning)

如何区分监督学习(supervised learning)和非监督学习(unsupervised learning)

如何区分监督学习(supervised learning)和非监督学习(unsupervised learning)

Coursera机器学习课程笔记(1) Supervised Learning and Unsupervised Learning

K-means算法原理以及其缺点

Unsupervised dimensionality reduction（降维）

deep learning K-means（Unsupervised ）+softmax

特征学习“Building High-level Features Using Large Scale Unsupervised Learning”

无监督学习(Unsupervised Learning)

无监督特征学习——Unsupervised feature learning and deep learning

Vehicle Type Classification Using Unsupervised Convolutional Neural Network(泛读)

深度学习论文理解2:on random weights and unsupervised feature learning

《统计学习方法，李航》：1、概述

无监督特征学习——Unsupervised feature learning and deep learning

Unsupervised Template Learning for Fine-Grained Object Recognition(精读)

An Analysis of Single-Layer Networks in Unsupervised Feature Learning(精读)

unsupervised learning 自己的一点认识

文献阅读——Unsupervised Feature Learning for 3D Scene Labeling

Unsupervised feature learning by augmenting single images

weka之数据预处理

weka之数据预处理

Deep Learning 系列（4）：稀疏编码（sparse coding）和主成分分析（ICA）

Unsupervised Feature Learning and Deep Learning(UFLDL) Exercise 总结

无监督特征学习——Unsupervised feature learning and deep learning

UFLDL学习笔记4（Self-Taught Learning and Unsupervised Feature Learning）

UFLDL Tutorial_Self-Taught Learning and Unsupervised Feature Learning

weka中的数据预处理

weka中的数据预处理

无监督特征学习——Unsupervised feature learning and deep learning